10.16489/j.issn.1004-1338.2020.02.014
基于KNN算法识别合水地区长7储层岩性岩相
岩性岩相识别与划分是地层评价和油藏精细描述的一项重要工作.在岩性岩相分类中,基于Scikit-learn机器学习框架,采用岩心观察描述和薄片分析数据划分了鄂尔多斯盆地合水地区长7地层的岩性岩相,形成了机器学习样本库训练集和测试集;运用Python编程软件,编写基于KNN(K-近邻算法)的机器学习模块,对训练集中的数据进行学习,形成预测模型,用测试集对模型进行测试评价,测试结果显示KNN模型分类准确率为89.5%,总体预测效果较好,为后续储层三维精细建模提供了技术支持.
测井评价、岩性岩相、KNN、机器学习、合水地区
44
P631.84;TE687
中国石油集团公司重大专项2016D-3803
2020-06-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
182-185